数据探索：关于describe函数的统计量解释

刚开始用describe时并不是很理解，计算出的诸多统计量到底在数据中都能说明写什么，持续的学习中终于开始明白，选择把它记录下来，该篇文章仅为自己的理解。

如上图，这是一般使用 describe 之后出来的 描述性统计 的结果，下面分统计量进行解释。

count

count是计数，不是计有多少个数，而是计有多少个非空的数。可以发现，这四个特征的count均是400，且查看数据行列是，行数也为400，因此，这一份数据并没有缺失值的存在。

mean

数据的数值过大易影响模型建立时的偏好，均值可以很好的帮助发现，哪些数值的量纲是过大的，根据需要可以选择不同的标准化方法处理数据。

std

此项是标准差，与方差类同，通过标准差可以查看数据的波动情况。同时，数据的量纲越大，所计算的标准差也会越大。而波动大，可以说明这个特征包含了与模型比较有用的信息，若标准差为0，该特征则是对模型建立没有作用，可以考虑剔除。

max、min与四分位数

最大、最小值与四分位数，其实就是将数据划分为了四等份，结合中位数、上四分位数、下四分位数看最大、最小值，若发现最大值 / 最小值相较四分位数太大 / 太小，则数据有可能存在异常值，可以再通过绘制箱线图的方式进一步分析出异常值点。
若发现max、min与四分位数都是整数，可以使用value_counts查看一下该特征的数值情况，是类别型的数据可以考虑做独热编码（哑变量）处理。